AI4Triage - Développement de méthodes basées sur l'intelligence artificielle pour l'analyse des données de triage.
AI4Triage - Développement de méthodes basées sur l'intelligence artificielle pour l'analyse des données de triage
L'intelligence artificielle, et en particulier les réseaux de neurones à graphes (GNN), a montré un potentiel énorme dans l'analyse de données cliniques complexes. Grâce à leur capacité à modéliser les relations entre les variables, les GNN représentent une évolution significative par rapport aux modèles traditionnels, permettant une meilleure interprétation des informations médicales et soutenant les décisions fondées sur les données dans des contextes complexes tels que la médecine d'urgence.
L'application des GNN au triage clinique et à la prédiction de la durée de séjour peut améliorer l'efficacité clinique en optimisant l'allocation des ressources et la gestion des patients. Cette étude observationnelle vise à évaluer la précision des prédictions par rapport aux données cliniques réelles, contribuant au développement d'outils prédictifs avancés pour soutenir les processus de prise de décision en matière de santé.
Aperçu de l'étude
Statut
Statut
Les conditions
Les conditions
Intervention / Traitement
Intervention / Traitement
Type d'étude
Type d'étude
Inscription (Réel)
Inscription
Contacts et emplacements
Lieux d'étude
-
-
-
Catanzaro, Italie
- University of Catanzaro
-
-
Critères de participation
Critère d'éligibilité
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critères d'inclusion :
- tous
Critères d'exclusion :
- patients avec des codes rouges et des blessures graves
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Que mesure l'étude ?
Principaux critères de jugement
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nombres de Sous-triés
Délai: 12 mois
|
Les investigateurs mesureront le nombre de mauvaises classifications
|
12 mois
|
|
Sous-trié
Délai: 12 mois
|
Les investigateurs mesureront la capacité à prédire la sous-triage
|
12 mois
|
Collaborateurs et enquêteurs
Parrainer
Parrainer
Collaborateurs
Collaborateurs
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Début de l'étude
Achèvement primaire (Estimé)
Achèvement primaire
Achèvement de l'étude (Estimé)
Achèvement de l'étude
Dates d'inscription aux études
Première soumission
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première soumission répondant aux critères de contrôle qualité
Première publication (Estimé)
Première publication
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour publiée
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
Autres numéros d'identification d'étude
- AI4Triage
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .